Des histoires de guerre où de mauvaises décisions ont été prises sur la base d'informations statistiques?

Je pense qu'il est juste de dire que les statistiques sont une science appliquée, donc lorsque les moyennes et les écarts-types sont calculés, c'est parce que quelqu'un cherche à prendre des décisions en fonction de ces chiffres.

Pour être un bon statisticien, j'espère que c'est en mesure de «sentir» quand les données d'échantillonnage peuvent être fiables et quand certains tests statistiques dénaturent complètement les vraies données qui nous intéressent. Être un programmeur qui s'intéresse à l'analyse de big data sets Je réapprends quelques statistiques et théorie des probabilités mais je ne peux pas me débarrasser de ce sentiment persistant que tous les livres que j'ai consultés sont un peu comme des politiciens qui montent sur scène et disent tout un tas de choses, puis ajoutent l'avertissement suivant à la fin de leur discours:

Maintenant, je ne dis pas que c'est bon ou mauvais, mais les chiffres disent que c'est bon, vous devriez donc voter pour moi de toute façon.

Peut-être que vous obtenez cela, mais peut-être que vous ne le faites pas, alors voici une question. Où trouver des récits de guerre par des statisticiens où certaines décisions étaient fondées sur des informations statistiques qui se sont avérées par la suite complètement erronées?

Ce n'est pas exactement ce que vous demandez, mais je pense que vous aimeriez le travail de David Freedman. Il appelle BS sur une mauvaise application des tests statistiques, etc ... Voir ici: http://www.stat.berkeley.edu/~freedman/ . Un de mes favoris est "Quelle est la probabilité d'un tremblement de terre?".

Vous pouvez consulter une récente présentation sur SSRN par Bernard Black, "Bloopers: Comment (la plupart du temps) les gens intelligents se trompent dans l'inférence causale." http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1663404

Je dirai que j'admire également David Freedman et apprécie son travail. Bien que j'étais étudiant diplômé de l'Université de Berkeley pendant qu'il était ici, il est décédé avant que j'aie eu la chance de suivre son cours. Vous pourriez jeter un œil à ses travaux collectés édités par quelques autres professeurs de Berkeley: «Modèles statistiques et inférence causale: un dialogue avec les sciences sociales».

Ce fil est désormais ancien, mais il vaut peut-être la peine de publier les résultats d'une étude récente intitulée, Un bot a exploré des milliers d'études à la recherche d'erreurs mathématiques simples. Les résultats sont préoccupants. Ce n'est pas exactement une histoire de guerre, mais elle illustre les erreurs généralisées inhérentes aux articles publiés et revus par des pairs. http://www.vox.com/science-and-health/2016/9/30/13077658/statcheck-psychology-replication

Le triste cas de Sally Clark vient à l'esprit.

En 1999, elle a été injustement condamnée pour le meurtre de ses deux fils après que le professeur Sir Roy Meadow a conclu à tort que les chances de ses deux fils de mourir du syndrome de mort subite du nourrisson (SMSN) étaient de 1 sur 73 millions, et son éponyme désormais discrédité loi :

L'un est une tragédie, deux est suspect et trois est un meurtre, sauf preuve du contraire.

La Royal Statistical Society a critiqué les preuves statistiques pour deux raisons:

1. L'hypothèse incorrecte d'indépendance entre les PEID chez les frères et sœurs. Cela a rendu invalide le calcul utilisé par Meadow - la mise au carré de la probabilité d'un seul incident de SMSN.
2. Une déformation des statistiques donnant lieu à l' erreur du procureur .

De plus, Ray Hill a exprimé des préoccupations au sujet de la qualité des données sous-jacentes utilisées pour calculer la probabilité d'un seul événement de SMSN.

Après deux appels, Clark a finalement été acquittée, mais l'expérience de perdre ses deux fils et l'erreur judiciaire l'ont laissée psychologiquement marquée et elle est décédée d'une intoxication alcoolique en 2007.